文献

J-GLOBAL ID：202202213945470949   整理番号：22A0410362

絵-語秩序化合物蛋白質相互作用:化合物の構造画像を用いた化合物-蛋白質相互作用の予測【JST・京大機械翻訳】

Picture-word order compound protein interaction: Predicting compound-protein interaction using structural images of compounds

著者 (6件)： Qian Ying (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Li Xuelian (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Wu Jian (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Zhou Aimin (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Xu Zhijian (Drug Discovery and Design Center, Shanghai Institute of Materia Medica, Chinese Academy of Sciences, Shanghai, China) ,  Zhang Qian (School of Computer Science and Technology, East China Normal University, Shanghai, China)
資料名： Journal of Computational Chemistry  (Journal of Computational Chemistry)
巻： 43  号： 4  ページ： 255-264  発行年： 2022年 
JST資料番号： C0111B  ISSN： 0192-8651  CODEN： JCCHDD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質と化合物間の潜在的関連の同定は,薬物発見過程において重要で挑戦的である。既存の深層学習に基づく方法は,配列またはグラフとして化合物および蛋白質を処理する傾向がある。コンピュータビジョン技術の急速な発展に触発されて,著者らは,より豊富な特性化がそれらの配列またはグラフからより化合物の画像から抽出できると主張する。したがって,畳み込みニューラルネットワーク(CNN)を用いて,化合物および蛋白質配列の構造的画像から表現を学習する,画像語順序化合物蛋白質相互作用(PWO-CPI)と名付けた相互作用モデルを提案した。実験は,PWO-CPIが最先端のCPI予測モデルより優れていることを示した。薬物-薬物相互作用(DDI)実験も行い,分子特徴としての分子構造の構造式画像の強い可能性を検証した。さらに,生成敵対ネットワークの助けを借りて,画像特徴の可視化は,PWO-CPIが,暗黙的に,そして,自動的に,複合構造特徴を学ぶことができることを証明した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相互作用 ,  分子構造 ,  ネットワーク ,  アミノ酸配列 ,  *タンパク質 ,  薬物相互作用 ,  可視化 ,  画像処理 ,  画像特性 ,  コンピュータビジョン ,  予測モデル ,  複合構造
準シソーラス用語： *蛋白質間相互作用 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 化合物-蛋白質相互作用 ,  畳込みニューラルネットワーク(CNN) ,  薬物-薬物相互作用 ,  画像処理 ,  構造画像

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 絵 ,  語 ,  蛋白質相互作用 ,  予測